グレーとカラーのドメインで同じような処理を行っているので一見冗長な処理に見えるが、グレースケールの方が夜景で発生する確率の高い大気光の多色揺らぎの影響を受けにくいので、まずそちらでより信頼性の高い結果を生成してから、カラーの最終的な画を得るという戦略。

実データでの定性評価、および合成データでの定量評価(PSNR/SSIM)において従来手法の性能を大幅に上回ることを確認。

今までDNNアーキテクチャで取り組まれていない問題設定と結果のキャッチーさ。また、夜間の霧画像と霧除去画像(Ground Truth)のペアを得ることは非常に困難という実運用上の課題に対して、合成データセット(GTA5)での教師ありと、実画像データでの教師なしを組み合わせて解決している。